基于可变遗忘因子RLS的盲多用户检测

对于直扩码分多址系统,本文提出了一种新的基于可变遗忘因子RLS的自适应盲多用户检测器,它能够自适应地估计检测向量,既具有对时变信道的快速跟踪能力,又具有较小的估计误差。最后通过仿真验证了该方法的有效性,与固定遗忘因子RLS盲多用户检测器相比,新算法具有更高的输出信干比,并且动态环境下的跟踪能力明显提高。另外还研究了参数对性能的影响,为参数的选择作出参考。     

适应用户兴趣变化的指数遗忘协同过滤算法

协同过滤是目前推荐系统中最为成功的推荐技术,但传统的协同过滤算法没有考虑用户兴趣的变化。针对上述问题,从艾宾浩斯记忆遗忘规律得到启发,提出一种基于资源相似度的协同过滤算法,利用基于指数遗忘的数据权重来逐步减小资源相似度的权重。实验结果表明,该算法显著提高推荐系统的推荐质量。     

带指数遗忘因子的直流电机自校正控制

直流电动机实际运行中,模型参数往往会受到运行环境、工况等条件的影响而发生变化,从而导致其系统模型的不确定性.为解决在上述条件下的控制器设计问题,本文介绍了一种带指数遗忘因子(Exponential Forgettring)的自校正调节(Self-tuning Regulation)控制算法.该算法利用带有指数遗忘因子的...     

辫识时变随机系统遗忘因子算法的收敛性分析

文「１」给出了辨识时变随机系统遗忘因子算法的收敛性分子，本文指出了文「１」中的一些证明和结论上的错误，并给出了相应的改正和完善。     

最小二乘辨识算法在故障检测中的应用研究

针对铝电解生产过程故障发生的特点，提出用辨识及参数估计理论进行故障诊断预报的方法。通过仿真研究，确定了遗传因子和初始条件的最佳值，实现了故障诊断和预报。     

Agent信念的遗忘修正方法

为了使信念修正能够满足最小改变原则,首先基于遗忘理论定义遗忘收缩算子,并且证明该算子满足必要AGM收缩假定;然后通过Levi Identity构建遗忘修正算子;最后给出遗忘修正方法和多次遗忘修正算法。实例分析表明,算法具有可行性和有效性,能够得到较满意的修正结果。     

神经元网络前推选择算法及其在故障诊断中的应用

本文分析了 B-P 算法的不足,提出了一种前推选择算法.首先给出了算法的步骤及实施过程,然后把这种算法应用于控制系统的故障诊断,给出了仿真的结果.     

新型SFCM算法及其在故障诊断中的应用

为提高故障诊断模式分类的实时性和准确性,采用阈值化类内距离的方法,研究了一种新型SFCM聚类算法,数据验证了此算法较传统FCM算法在收敛速度和聚类精度方面的较好表现,以机载武器控制系统信息通道为诊断对象,采用该方法对通道进行了样本无监督分类验证和故障模式识别诊断试验,结果表明新型的SFCM聚类算法能对信息通道故障模式进行正确的分类识别。     

修正指数曲线在电力负荷预测中的应用

在现有文献研究的基础上，对修正指数曲线预测法作了进一步研究，给出了修正指数曲线参数估计的一种新方法。该方法将最优化方法与回归方法结合在一起，利用最优化理论中的区间搜索和一维搜索得到一系列 值，利用回归方法可求得与其相对应的一系列a和b的值，当 取最优 时，a和b 便得到最优值 和 。经示例计算表明，这种改进的预测方法具有较高的精度。     

LMS和RLS算法在自适应逆控制中的应用

介绍了自适应逆控制的基本思想,分析了基于线性滤波器的逆对象建模以及消除扰动的方法,重点研究了LMS和RLS两种自适应算法在自适应逆控制中的应用,并对仿真结果进行比较,发现两种算法都能很好的运用到自适应逆控制中,能很好的跟踪到对象的逆。RLS算法跟踪的效果更好,收敛的速度也更快,更适用于要求较高的场合,但是要耗费比较多的时间。     

时变系统遗忘因子最小二乘法的有界收敛性

利用随机过程理论研究了遗忘因子最小二乘法 (FFLS)的有界收敛性, 给出了参数估计误差的上界. 分析表明: i)对于时不变确定性系统, FFLS算法产生的参数估计以指数速度收敛于真参数; ii)对于时不变随机系统, FFLS算法给出有界均方估计误差; iii)对于时变随机系统, FFLS算法可以跟踪时变参数, 且跟踪误差有界.     

Recursive Least Squares Identification With Variable-Direction Forgetting via Oblique Projection Decomposition

In this paper, a new recursive least squares(RLS)identification algorithm with variable-direction forgetting(VDF)is proposed for multi-output systems. The objective is to enhance parameter estimation performance under non-persistent excitation. The proposed algorithm performs oblique projection decomposition of the information matrix, such that forgetting is applied only to directions where new information is received.Theoretical proofs show that even without persistent excitation,the informatio...     

最小二乘估计的HOUSEHOLDER变换快速递推算法

本文利用HOUSEHOLDER交换(简称H-变换)推导出最小二乘估计的递推算法和遗忘因子法的快速算法.与现有的最小二乘递推算法相比,本文提出的算法不仅运算量大大减少,而且数值稳定性好,占用内存量少.     

辨识时变系统遗忘因子算法的收敛性分析

著名的递推遗忘因子算法（ＲＦＦＡ）可以用辨识时变系统参数，具有良好的跟踪性能，本文借助于随机过程理论分析了ＲＦＦＡ的收敛性和稳定性，给出了参数跟踪误差的上下界。     

时变系统最小均方算法的性能分析

在无过程数据平稳性假设和各态遍历等条件下,运用随机过程理论研究了最小方算法（LMS）的有界收敛性,给出了估计误差的上界,论述了LMS算法收敛因子或步长的选择方法,以使参数估计误差上界最小。这对于提高LMS算法的实际应用效果有着重要意义。LMS算法的收敛性分析表明：（1）对于确定性时不变系统,LMS算法是指数速度收敛的;（2）对于确定性时变系统,收敛因子等于1,LMS算法的参数估计误差上界最小;（3）对于时变或不变随机系统,LMS算法的参数估计误差一致有上界。     

混沌自适应粒子群算法在故障检测中的应用

针对舰员对装备维修能力不足的情况,论文提出了一种能够应用于便携式故障诊断仪中的故障树诊断算法.首先通过对混沌自适应粒子群算法的参数选择进行优化,使粒子能够在全局范围内进行搜索,克服了其易陷入局部最优的缺点,其次将其应用于故障树诊断算法中,并通过仿真试验证明了该方法的有效性.     

径向基函数递推最小二乘算法优化学习的研究

对于广泛使用的三层感知机BP神经网络存在收敛速度慢,预测精度不高的问题,提出了基于径向基函数(RBF)递推最小二乘算法调整网络连接权值以及通过自适应学习的方法优化径向基函数形状参数的协作式自适应算法,并采用该算法进行了RBF神经网络的训练和仿真实验.结果表明:所提出的算法较BP算法以及固定a值的RBF算法有较快的收敛速度;最后,将训练后的神经网络应用于煤矿瓦斯涌出量的预测中,结果大大提高了预测的精度.因此,该算法具有很高的应用价值.     

鞅超收敛定理与遗忘因子最小二乘算法的收敛法分析

本文扩展了用于分析时不变系统辨识算法收敛性的鞅收敛定理，建立了鞅超收敛定理。它可以作为工具来分析时变系统的各种辨识算法的收敛性，为地变系统收敛性和稳定性分析这一困难课题提供了新方法，开辟了新路。